用数据告诉你 Python 代码比 Java 慢 100 倍！

小伙伴们都知道，在系统的软件开发中，不仅仅是只使用一种语言，也会涉及到不同的语言。

各个语言之间有共性、也有个性。正是这些不同的个性、注定它们会用在不同的场合来解决不同类型的问题。

而编程语言在开发阶段中也会存在差异性，在软件开发这个抽象的概念下，编程语言的差异性主要体现在编码和编译以及运行上。

先来看看编译型语言定义：

编译型语言首先是将源代码编译生成机器指令，再由机器运行机器码(二进制)。也就是在运行之前，代码已经被翻译位机器码了。

再来看看解释型语言的定义：

解释型语言的源代码不是直接翻译成机器指令，而是先翻译成中间代码，再由解释器对中间代码进行解释运行。也就是到机器码需要两个步骤，运行前先到中间码，运行时再编译成机器码。

有的小伙伴认为，虽然解释型编程语言可以让开发者更快地编写和测试代码，但仍然认为编译器是值得长期投入的。

编译型代码有两个明显的优势：

• 每次修改代码都可以得到验证，甚至是在开始运行代码之前。
• 更快的执行速度。根据具体情况，代码可能被编译成非常底层的运行指令。

于是偏爱编译型语言的小伙伴将 Java 、 Go 和 Python通过比较在处理不同任务时的性能表现，来验证到底编译型代码的执行速度会比解释型快多少。

通过代码比较 JIT 的性能，后来使用 Python 和 Go 也实现了一遍。

这段代码计算 100 的 Fibonacci 数值，每一轮计算 50 次，并打印执行时间（纳秒），共计算 200 轮。

三种语言的输出结果看起来像这样：

平均值是这样：

可以看到，在计算 Fibonacci 数值时，Java 比 Go 要慢一些，大概慢 24%，而 Python 几乎慢了 100 倍，也就是 9458%。

这个结果验证了对 Java 和 Go 的判断，但让我们感到吃惊的是 Python 的表现，它慢得不只是一个数量级，是两个！

Python 为什么会花这么多时间。

很多人关注的是 Python 的易用性，并通过牺牲性能来快速获得处理结果。

相信数据科学家们都是这么想的，况且有这么多现成的库可以用，为什么要去找其他的？迟早会有人优化它们的。

第二个原因是很多人没有比较过不同的实现，因为很多公司在激烈的竞争中忙于做出产品，根本无暇顾及什么优化不优化。

第三个原因，有一些方式可以让同样的 Python 代码跑得更快。

把 Python 代码编译一下会如何？

PyPy 是 Python 的另一个实现，它本身就是使用 Python 开发的，包含了一个像 Java 那样的 JIT 编译器。

跟 Java 一样，我们需要忽略初始的输出，并跳过 JIT 编译过程，得到的结果如下：

PyPy 的平均响应速度比 Python 快 5 倍，但仍然比 Go 慢 20 倍。

通过执行这些简单的数学运算我们可以得出这样的结论：

Go 的执行速度比 Java 快一些，比解释运行的 Python 快 2 个数量级。

所以在高负载的关键任务上使用Python不是一个好的选择。

如果小伙伴正面临这样的情况，可以考虑使用 Python 编译器作为短期的应急方案。